用于验证生物分子网络的设计实验
定量方法
2020-11-26 v2 机器学习
机器学习
摘要
在分子和合成生物学中,使用机理(非机器学习)模型设计生物分子网络呈增长趋势。一旦设计完成,这些网络需要通过实验结果进行验证,以确保理论网络正确建模了真实系统。然而,这些实验可能昂贵且耗时。我们提出一种设计实验方法以高效验证这些网络。利用高斯过程构建实验结果与设计响应之间偏差的概率模型,然后采用贝叶斯优化策略选择下一个采样点。我们比较了不同的设计准则,并基于量化整个表面上该偏差及其不确定性的度量开发了停止准则。我们在生化过程的计算机模型模拟数据上测试了我们的策略。
引用
@article{arxiv.2011.10575,
title = {Design of Experiments for Verifying Biomolecular Networks},
author = {Ruby Sedgwick and John Goertz and Molly Stevens and Ruth Misener and Mark van der Wilk},
journal= {arXiv preprint arXiv:2011.10575},
year = {2020}
}
备注
Comment: Updated to correct typo "that that" => "that"